---

许可证: mit 流水线标签: 文本生成图像 标签:

• ImageNet
• arxiv:2502.21318
• 扩散模型
• 模型中心混合
• PyTorch模型中心混合

---

• 代码库: https://github.com/lucasdegeorge/T2I-ImageNet

本仓库包含论文《基于ImageNet的文本生成图像技术能走多远？》的代码与模型。

核心观点在于：传统文本生成图像模型通常依赖海量数据集，重视数量而忽视质量。常规解决方案是收集庞大数据。我们提出创新方法——通过对精挑细选的小型数据集进行策略性数据增强，从而提升模型性能。实验证明该方法在多个基准测试中显著提升生成图像质量。

论文链接: https://arxiv.org/pdf/2502.21318

GitHub仓库: https://github.com/lucasdegeorge/T2I-ImageNet

项目主页: https://lucasdegeorge.github.io/projects/t2i_imagenet/

安装指南

首先创建Python虚拟环境（需3.9+版本），克隆代码库后运行：

pip install -e .

详见说明文档

预训练模型

CAD-I模型

本仓库模型采用文本增强与图像增强联合训练。仅使用文本增强的模型参见此处

使用预训练模型方法：

from pipe import T2IPipeline
pipe = T2IPipeline("Lucasdegeorge/CAD-I").to("cuda")
prompt = "一只可爱的水獭，披着光滑的棕色皮毛，睁着明亮好奇的眼睛，正与一簇鲜嫩的西兰花嬉戏..."
image = pipe(prompt, cfg=15)

若仅需下载模型（不含采样流程）：

from pipe import CAD
model = CAD.from_pretrained("Lucasdegeorge/CAD-I")

DiT-I模型

即将上线...

提示词技巧

我们的模型专为处理超长细节描述而优化。为获得最佳效果，建议使用富含细节的提示词。简短模糊的提示可能无法充分发挥模型潜力。

示例提示词：

（此处保留原文六个详细场景描述的英文段落，实际翻译时应完整汉化）

流水线使用指南

T2IPipeline类提供完整的文本生成图像接口：

基础用法

from pipe import T2IPipeline
pipe = T2IPipeline("Lucasdegeorge/CAD-I").to("cuda")
prompt = "（中文描述场景）"
image = pipe(prompt, cfg=15)

高级配置

支持多种自定义选项：

pipe = T2IPipeline(
    model_path="Lucasdegeorge/CAD-I",
    sampler="ddim",                    # 可选："ddim", "ddpm", "dpm", "dpm_2S", "dpm_2M"
    scheduler="sigmoid",              # 可选："sigmoid", "cosine", "linear"
    postprocessing="sd_1_5_vae",
    scheduler_start=-3,
    scheduler_end=3,
    scheduler_tau=1.1,
    device="cuda"
)

生成参数控制

image = pipe(
    cond="美丽风景",                   # 文本提示或列表
    num_samples=4,                    # 生成图像数量
    cfg=15,                           # 分类器自由引导尺度
    guidance_type="constant",         # 引导类型："constant", "linear"
    thresholding_type="clamp",       # 阈值处理类型
    clamp_value=1.0                   # 阈值范围
)

引导类型说明

• constant: 全程均匀引导
• linear: 线性增强引导强度
• exponential: 指数增强引导强度

阈值处理类型

• clamp: 固定范围截断
• dynamic: 基于批统计动态调整
• percentile: 百分位阈值法

引用规范

若使用本研究成果，请引用：

@article{degeorge2025farimagenettexttoimagegeneration,
     title           ={基于ImageNet的文本生成图像技术能走多远？},
     author          ={卢卡斯·德乔治 等},
     year            ={2025},
     journal         ={arXiv},
 }